פיתוח AI-IVR (תפריט קולי חכם)

מתקשר מתקשר, ובמקום מענה — צלילי חיוג ובקשה שאבדה. אנו מפתחים AI-IVR כפתרון מלא: תרחיש קולי מבין דיבור חופשי, מברר פרטים ומעביר את הפנייה למומחה המתאים. שיעור השיחות שהוחמצו מצטמצם פי כמה, והעומס על הנציגים יורד.

תחומי פיתוח AI

שאלות נפוצות

העבודות האחרונות

  • פיתוח אפליקציית ווב עבור FEEDME
    פיתוח אפליקציית ווב עבור FEEDME
    1365
  • פיתוח חנות מקוונת לחברת FURNORO
    פיתוח חנות מקוונת לחברת FURNORO
    1330
  • עיצוב לוגו לחברת B2B Advance
    עיצוב לוגו לחברת B2B Advance
    776
  • פיתוח אפליקציית ווב עבור Enviok
    פיתוח אפליקציית ווב עבור Enviok
    1077
  • פיתוח לוגו חברת AIDER
    פיתוח לוגו חברת AIDER
    1022
  • פיתוח CRM עבור Chasseurs
    פיתוח CRM עבור Chasseurs
    1113

למה AI-IVR נשבר בשיחות אמיתיות

הדגמה של AI-IVR נשמעת משכנעת: אות נקי, ניסוחים של קריין, שקט מושלם בהפסקות. קו חי נראה אחרת — סביבה רועשת, הדהוד, דיבור על גבי השאלה, ניתוק באמצע הענף. תפריט קולי חכם נשבר לא על אוצר המילים, אלא על האקוסטיקה ועל ההתנהגות האנושית.

המחלקה הראשונה של כשלים — רעש וקטיעות. המנוי מתחיל לדבר לפני שסיים לשמוע את ההנחיה, והרשת חותכת את תחילת המשפט: התפריט שומע "הייתי רוצה לדעת" ופונה לענף הלא נכון. שגיאות ניתוב שיחה הן היקרות מכולן — הלקוח מגיע לנציג שלא פותר את הבעיה, ואחרי סבב חוזר להתחלה.

המחלקה השנייה — ניסוחים לא סטנדרטיים. אנשים לא אומרים "אמרו את שם השירות": הם מכנים אותו במילה יומיומית, מכתיבים את המספר בחלקים, משלבים גמגומים באמצע הבקשה.

בלי מרווח גמישות, זיהוי הדיבור בשיחה או מבקש לחזור, או בוחר בביטחון את ההתאמה הקרובה ביותר — ושתי האפשרויות מרגיזות יותר מתפריט רגיל.

השלישית — שיחות אבודות בשעות שיא. תחת עומס הזיהוי איטי יותר, ההפסקה אחרי התשובה מתארכת, המנוי מחליט שלא שומעים אותו ומנתק. ניתוק באמצע הענף כמעט תמיד משליך את האדם לתפריט הכללי, וחלק מהמתקשרים פשוט לא מתקשרים שוב.

נפרק איך סוגרים את זה: איך בונים תרחיש לאקוסטיקה אמיתית, היכן לקבוע סף ביטחון ובאיזה רגע להעביר את השיחה לנציג אנושי.

מה משתנה אחרי ההטמעה: אפקטים מדידים

האפקט נראה לא במצגת, אלא בדוחות הטלפוניה בשבועות הראשונים אחרי ההשקה. הדיאלוג נרשם שלב אחר שלב: הבקשה שזוהתה, הענף שנבחר בתרחיש, העברה לנציג או סיום בלעדיו. לכן כל מספר אפשר להצליב עם הקלטת השיחה — amoCRM ופאנלים דומים מפיקים חתכים כאלה בייצוא סטנדרטי.

  • שיעור הפניות האוטומטיות — בזרימה טיפוסית בלי נציג נסגרת יותר ממחצית השיחות: יתרה, סטטוס בקשה, תנאים, תיאום למועד שירות.
  • העומס על הנציגים — בשעות שיא הקו מפסיק "להיתקע": פניות שגרתיות מורדות מהאנשים, ולהם נשאר לטפל בנושאים מורכבים.
  • זמן ההמתנה בתור — יורד, כי לנציג מגיעים רק אלה שבאמת זקוקים לאדם, ולא כל המתקשרים ברצף.
  • שיחות חוזרות — פוחתות פי כמה: הלקוח מקבל תשובה או תיאום בפנייה אחת, ולא מתקשר שוב כדי להבהיר.
  • שלמות הנתונים — כרטיס הפנייה מתמלא אוטומטית, הנושאים לא הולכים לאיבוד ולא נשארות שיחות אנונימיות.

כדאי להסתכל על זה בחתכים לפני ואחרי ההשקה על אותו מספר בדיוק: כך מנטרלים עונתיות ורואים איזה חלק זז בזכות התרחיש הקולי ולא בגלל קמפיין פרסום או החלפת נציגים.

מצבי העבודה של התרחיש הקולי: השוואת גישות

תרחיש חיוג יזום וקו נכנס פותרים משימות שונות: בזרימה נכנסת צריך להחזיק את המתקשר ולהוביל אותו ליעד, בזרימה יוצאת — לזהות משיבון, להמתין לתשובה אנושית ולחזור בחלון זמן נוח. ממצב הדיאלוג הנבחר תלוי ישירות מה בכלל אפשר להפוך לאוטומטי, ואיפה אי אפשר בלי העברה לנציג. זה הדבר הראשון שאנחנו מקבעים לפני בניית התרחיש.

מצב מתי מתאים מגבלות
תפריט מקשים שאלון קצר, אישור הזמנה, תשלום, תיאום למועד הלקוח לא יודע את העץ בעל פה, טועה בשלב השלישי, חלק מהשיחות מסתיימות בניתוק
דיבור חופשי איסוף נתונים, מענה לשאלות נפוצות, בירור פרטים תלוי באיכות ההקלטה ובניב; בלי גבולות נושא המערכת עונה בביטחון לשאלה הלא נכונה
היברידי: דיבור, תפריט ונציג המצב העיקרי למכירות ולשירות קשה יותר לבדוק — הבדיקות צריכות לכסות מעברים בין ענפים ולא תשובות בודדות
אוטומציה מלאה חיוג המוני, סקרים, הודעות יזומות אין אדם על הקו: בכשל בזיהוי הפנייה הולכת לאיבוד, צריך ענף נפרד לחזרה

הסכמה ההיברידית סוגרת את רוב המשימות: שאלות טיפוסיות ואישורים עוברים לדיבור חופשי, ומורכבות — לפי כללי אסקלציה לנציג. העברה לנציג יכולה להתבצע עם אובדן ההקשר או עם העברת כל היסטוריית הדיאלוג לחלון העבודה — אלה תרחישים שונים, והם נבחרים לקו מסוים.

מגבלות האוטומציה נקבעות מראש: פניות רגשיות ושנויות במחלוקת לא כדאי לנסות לזהות בכל מחיר, ענף גיבוי אמין וחסכוני יותר לתחזוקה.

איך אנחנו מטמיעים AI-IVR: שלבי העבודה ההנדסית

ההטמעה של AI-IVR מתחילה לא בהקלטת ברכה, אלא בניתוח הקלטות שיחות: אנחנו בודקים אילו פניות באמת מגיעות לקו, איזה חלק מהן טיפוסי ובאיזה שלב הלקוח מנתק. מהתמונה הזו תלויים גם מבנה הדיאלוג וגם מה שלא כדאי להפוך לאוטומטי.

  1. ניתוח הקלטות שיחות. מסמנים את השיחות לפי סוגי פניות וסופרים כמה נסגרות לפי התסריט, כמה דורשות גישה למערכות וכמה עוברות לנציג.
  2. תכנון סכמת הדיאלוג. ענפים, נקודות הסתעפות, מקבצי ניסוחים שהבוט צריך להבין, וגבולות המותר — מה אסור לו להבטיח ללקוח.
  3. הגדרת התרחישים. בונים את הברכה, שאלות הבהרה ותשובות, ומחברים נתוני עזר על שירותים וסטטוסים של בקשות.
  4. אסקלציה לנציג. מגדירים את כללי ההעברה: זיהוי לא בטוח, שאלה חוזרת, בקשה לחבר לאדם, דיבור רגשי. בנוסף ניתוב לקבוצה הנכונה והעברת הקשר הדיאלוג.
  5. התאמת זיהוי הדיבור לתחום התוכן. טוענים מילון מונחים, שמות שירותים וכתובות, ובודקים על הקלטות עם קליטה גרועה ורעש רקע.
  6. הרצת בדיקה ופיילוט. מריצים שיחות על הקו לפי התרחישים, סופרים את שיעור הזיהויים הנכונים, ההעברות לנציג ואורך הדיאלוג עד לפתרון, ואז שמים את הבוט על חלק מהתעבורה ומכווננים ספים.
  7. מסירת נהלי תמיכה. מוסרים הוראות: איך מתקנים משפטים, מוסיפים תרחישים, היכן בודקים יומני שיחות ומי מעדכן את המילון אחרי שינוי בשירותים.

כך הקו נשאר בר-ניהול: שינויים מוכנסים לפי נהלים, ולא בבנייה מחדש מאפס.

מה מקבלים לידיים: קונפיגורציות ונהלים

אנחנו מוסרים את הפרויקט לא בהדגמה של תפריט, אלא כערכה עובדת: כל מה שמתאר את התנהגות AI-IVR נשאר במאגר שלכם ועובד בלי ההשתתפות שלנו. הרכב המסירה — בהמשך; לפי המסמכים האלה הצוות שלכם משנה את התרחיש בלי לשחזר את היסטוריית ההתכתבות.

  • מפת התרחישים — עץ הדיאלוג עם הסתעפויות, נקודות יציאה לנציג ותנאי אסקלציה. לפיה משחזרים את הלוגיקה תוך שעה, ולא מתוך הקלטות שיחות.
  • תיעוד הטלפוניה — ניתוב מספרים, מאגר ערוצים, שיוך תרחישים לקבוצות, שמירת הקלטות. בסעיף נפרד — מה עושים בעת החלפת מרכזייה או הוספת מספר.
  • נוהל שינויים — מי מנסח את התיקון, היכן נבדק המשפט החדש, אילו בדיקות חובה לפני העלאה ואיך חוזרים לגרסה קודמת של התרחיש.
  • הרשאות גישה להגדרות — מטריצת תפקידים: עריכת שורות דיבור, צפייה בתמלולים ובמדדים, ניהול מפתחות אינטגרציות. בנפרד — גישה לנתונים אישיים מההקלטות.
  • מקבץ מקרי בדיקה — משפטי ייחוס עם התשובות הצפויות, כולל רעש, קטיעות וקליטה גרועה. מורץ במלואו אחרי כל תיקון: רואים מה לא נשבר.
  • מילוני זיהוי — הגיית שמות, ראשי תיבות וטקסט לטיני, מספרי הזמנות בספרות. דווקא בזה התפריט הקולי טועה הכי הרבה.
  • מדריך אנליטיקה — ייצוא תמלולים, שיעור התרחישים המוצלחים, נקודות ניתוק השיחות: החלטות על שיפורים מתקבלות לפי נתונים, ולא לפי שמיעה.

את הערכה אנחנו מוסרים במערכת ניהול הגרסאות שלכם, ועוברים על כל סעיף יחד עם המהנדס שהוביל את הפרויקט. בהמשך הצוות שלכם מבצע תיקונים בעצמו — אם צריך תמיכה חיצונית, נדון על הפורמט.

מקרה בוחן: איך צמצמנו את שיעור השיחות שהוחמצו

נקודת הכשל: שיא הערב

שירות משלוחים קיבל הזמנות ושאלות על סטטוס באותו קו. בשיא הערב התור הגיע ל-40 שניות, וכל מנוי רביעי ניתק את השיחה — ובמקביל יותר ממחצית השיחות היו מאותו סוג: "איפה ההזמנה", "תשנו את הכתובת". שיחה שהוחמצה לא נעלמה: הלקוח התקשר שוב, והעומס הוכפל בדיוק בשעות שבהן הנציגים היו העמוסים ביותר.

הכשל פגע בשעות העמוסות ביותר: חלק מההזמנות עברו למתחרים, ופניות חוזרות אכלו את זמן הנציגים במקום מכירות חדשות.

מה שינינו

המעגל הראשון של העיבוד היה AI-IVR: את השיחה מקבל עוזר קולי, מזהה דיבור וסוגר תרחישים טיפוסיים — סטטוס הזמנה, שינוי כתובת, דחיית מועד — בלי נציג. הפניות שנותרו עוברות לנציג עם תמלול והקשר, ולכן השיחה לא מתחילה מאפס.

לשעות השיא הגדרנו התנהגות נפרדת: כשהתור מתמלא מוצעת חזרה טלפונית במקום המתנה על הקו. את חלוקת הפניות בנינו מחדש לפי נושאים ולא לפי סדר ההגעה — שאלות פשוטות כבר לא עומדות בתור אחרי מורכבות.

התוצאה במדדים

  • שיחות שהוחמצו: 26% → 4%;
  • פניות שנסגרו בלי נציג: 61%;
  • זמן עד לתשובה ראשונה: 38 → 5 שניות;
  • שיחות חוזרות על אותה שאלה: חצי פחות.

אותם נציגים מחזיקים את עומס הערב בלי להרחיב את המצבת, ותרחישים חדשים מתווספים לתפריט בלי לבנות את הקו מחדש.

במה דיבור חופשי שונה מתפריט מקשים

תפריט מקשים לא מנתח דיבור — הוא קולט את צליל הלחיצה, ולכן דיוק הזיהוי שלו מוחלט: הלקוח או פגע בספרה או לא. המחיר — מבנה נוקשה: התרחיש פרוס מראש לפי רמות, והאדם מאזין לעץ עד לענף הרצוי.

דיבור חופשי עובד אחרת: הזרימה הופכת לטקסט, ואחר כך מחלצים מהמשפט את הכוונה. דיוק הזיהוי תלוי באיכות ההקלטה, במבטא ובמונחים הענפיים, אבל ניסוחים מורכבים של הלקוח — "דחו את המשלוח למחרתיים, אותה כתובת" — מפורקים ככוונה אחת ולא כארבעה שלבים בתפריט.

מהירות הטיפול בשיחה משתנה באופן לא חד-משמעי. בתפריט הלקוח מבזבז זמן על האזנה לרמות, אבל הפעולה מתבצעת מיד עם הלחיצה; בדיאלוג קולי מתווסף הזיהוי, אבל נעלמות שלוש-ארבע רמות ביניים — בבקשה לא סטנדרטית השיחה קצרה יותר, בבקשה טיפוסית התפריט מנצח.

אפשרות מתי מתאים מגבלות
תפריט מקשים 3-5 ענפים חד-משמעיים: יתרה, סטטוס בקשה, חיבור לנציג הלקוח מאזין לעץ כולו; בקשה לא סטנדרטית נכנסת למבוי סתום
זיהוי דיבור חופשי פיזור רחב של ניסוחים, שמות שירות ארוכים, מספרי בקשות דרושות דוגמאות לפניות אמיתיות וסימון מחדש שוטף של ניסוחים
היברידי פעולות קריטיות מאושרות בבחירה, והשאר — בדיבור מורכב יותר לתכנן מעברים בין המצבים

התמיכה בתרחיש נבדלת יותר מכול. ענף חדש בתפריט מקשים הוא הקלטה מחדש של עץ השמע ובנייה מחדש של הלוגיקה, שבה התיקון נוגע ברמות שכנות. בתרחיש קולי הניסוחים מתווספים לתיאור הכוונה ולא שוברים את המבנה כולו, ולכן שינויים מוכנסים לעתים קרובות יותר ונבדקים על הקלטות של שיחות אמיתיות. מכאן המסקנה המעשית: היברידי — דיבור לניסוחים מורכבים, מקשים לפעולות קריטיות.

ספקות טכניים נפוצים לפני ההשקה

לפני ההתחלה מהנדסים של המזמין שואלים פחות או יותר את אותו מקבץ שאלות: איך המערכת מתנהגת בקו אמיתי, מה יקרה עם האינטגרציה והאם אפשר לחזור אחורה. אנחנו עונים לעניין — בלי הבטחות ש"מבין הכול".

מה עושים עם רעש בקו?

בכניסה אנחנו שמים דיכוי רעש, פיצוי הדהוד וגלאי דיבור — לזיהוי עובר רק הקטע הדיבורי, ולא הפסקות והמהום. את סף ההפעלה מכווננים על ההקלטות של המזמין: בחדר רועש שיעור השגיאות משתווה לקו נקי.

ואם ללקוחות יש מבטא חזק או דיקציה לא ברורה?

מודל סטנדרטי על תעבורה כזו מאבד חלק ניכר מהמשפטים. אנחנו מאמנים אותו נוסף על ההקלטות של המזמין ומכווננים את המודל הלשוני לתחום — שמות שירותים, מקטים, שמות. בביטחון נמוך המערכת לא מנחשת, אלא מעבירה את השיחה לנציג.

איך התפריט הקולי מתחבר למערכות הרישום?

דרך ממשקי החלפה: פנייה, הזמנה, סטטוס — לפי מזהה הלקוח. הבקשות אידמפוטנטיות, עם פסקי זמן; אם המערכת לא זמינה, הדיאלוג לא נקטע, והנתונים נכנסים לתור להשלמת רישום.

אפשר לחזור לסכמה הישנה?

כן. הניתוב מתחלף לתפריט הקלאסי בכלל אחד, המספר והתרחיש נשארים במקומם. החזרה אורכת דקות ולא דורשת הוצאה מחדש של הקו.

איך בודקים את הפתרון לפני ההשקה?

מריצים הקלטות אנונימיות של המזמין לפי התרחישים ומציגים דוח: שיעור המשפטים שזוהו בהצלחה, שיחות שטופלו בלי נציג, זמן התשובה.

מה כדאי לדון איתנו לפני תחילת הפרויקט

לוחות הזמנים והיקף העבודה על AI-IVR תלויים לא במספר המשפטים בתפריט, אלא באופן שבו בנוי ניתוב השיחות ובכמה מערכות משתתפות בתשובה. לכן אנחנו קודם אוספים את הנתונים המקדמיים — ורק לפיהם חוזרים עם תוכנית עבודה והערכת הפרויקט.

מה צריך מהמזמין בשלב הזה:

  • תרחיש הדיאלוג: אילו סוגי פניות נכנסים לתפריט, היכן כיום הולכות לאיבוד שיחות, ואיך נראית שיחה מוצלחת מהברכה ועד לחיבור עם נציג.
  • נתונים מקדמיים על הטלפוניה: פלטפורמה, סכמת ניתוב, מספרים ותורים, מגבלת ערוצים במקביל, גישה להקלטות שיחות.
  • איכות השמע: איך מוקלטות השיחות, האם יש הדהוד, רעש, קטיעות — בערוץ גרוע הבוט שואל שוב לעתים קרובות יותר, וזה נלקח בחשבון בתוכנית.
  • מילון תחומי: שמות שירותים, מקטים, כתובות, שמות משפחה נדירים — אותם מכניסים לזיהוי מראש, כדי לא ליצור שאלות הבהרה מיותרות.
  • אינטגרציות: CRM, בילינג, מערכת בקשות, בסיס ידע — מה הבוט קורא בכניסה ומה מתעד בסיום השיחה.
  • כללי אסקלציה: תנאי ההעברה לנציג אנושי, ההתנהגות בכשל בזיהוי, ומה אומר הבוט מחוץ לשעות הפעילות.
  • קריטריוני קבלה: שיעור השיחות שנסגרו בלי נציג, דיוק הזיהוי על מדגם בדיקה, זמן התשובה המותר.

חלק מהסעיפים אנחנו סוגרים בעצמנו: מנתחים הקלטות שיחות, שולפים את הניסוחים השכיחים ומרכיבים טיוטה של התרחיש. בהמשך אנחנו שולחים את שלבי העבודה עם הסדר, הרכב הצוות ולוחות הזמנים, ואת הנקודות השנויות במחלוקת מוציאים לדיון נפרד.